Garuda - Garba Rujukan Digital

p-Index From 2021 - 2026

35.916

P-Index

This Author published in this journals

Kusrini

Universitas Amikom Yogyakarta

Author-ID : 302666

Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Immunology & microbiology Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Neuroscience Nursing Public Health Social Sciences Transportation Other

Published : 550 Documents Claim Missing Document

Claim Missing Document

Articles

36 37 38 39 40

Aplikasi Prediksi Banjir Menggunakan Algoritma XGBoost Berbasis Website Asnawi, Muhamad Fuat; Bisono, Hadi Hikmadyo; Megantara, Muhamad Arldi; Kusrini, Kusrini
Journal of Economic, Management, Accounting and Technology (JEMATech) Vol 7 No 2 (2024): Agustus
Publisher : Fakultas Teknik dan Ilmu Komputer, Universitas Sains Al-Qur'an (UNSIQ) Wonosobo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32500/jematech.v7i2.7644

Penelitian ini bertujuan untuk mengembangkan model prediksi risiko banjir menggunakan algoritma XGBoost dengan memanfaatkan dataset yang tersedia di Kaggle. Dataset tersebut mencakup berbagai faktor yang mempengaruhi risiko banjir seperti kualitas bendungan, pengikisan sistem drainase, longsor, dan hilangnya lahan basah. Proses penelitian dimulai dengan pengumpulan data, diikuti oleh preprocessing yang meliputi penanganan missing values, pemilihan fitur menggunakan regresi untuk memastikan fitur yang paling berpengaruh, dan normalisasi data. Model XGBoost kemudian dilatih dengan data yang telah diproses dan dievaluasi menggunakan beberapa metrik evaluasi. Hasil evaluasi menunjukkan bahwa model memiliki performa yang sangat baik dengan nilai Cross-Validation RMSE sebesar 0.00097, Mean Squared Error (MSE) sebesar 1.0336, Root Mean Squared Error (RMSE) sebesar 0.001017, Mean Absolute Error (MAE) sebesar 0.000801, dan Mean Absolute Percentage Error (MAPE) sebesar 0.1605%. Nilai-nilai ini mengindikasikan kesalahan prediksi yang relatif kecil. Visualisasi hasil juga menunjukkan bahwa model tidak memiliki bias sistematis dan kesalahan prediksi tersebar merata. Penelitian ini mendesak mengingat peningkatan frekuensi dan dampak banjir akibat perubahan iklim dan urbanisasi yang pesat. Model ini diharapkan dapat digunakan secara efektif untuk memberikan peringatan dini dan membantu dalam perencanaan tata ruang yang lebih baik untuk mengurangi dampak bencana banjir.

Penerapan Data Sains Untuk Klasifikasi Wilayah Yang Terdampak Kerusakan Gempa Bumi Dengan Metode C.45 Swastikawati, Claudia; Pamoengkas, Muhamad Agoeng; Wahyudi, Alfian Cahyo; Kusrini, Kusrini
Journal of Economic, Management, Accounting and Technology (JEMATech) Vol 7 No 2 (2024): Agustus
Publisher : Fakultas Teknik dan Ilmu Komputer, Universitas Sains Al-Qur'an (UNSIQ) Wonosobo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32500/jematech.v7i2.7679

Di Indonesia, gempa bumi sering terjadi karena interaksi plat tektonik. Energi seismik yang dicatat oleh seismograf diukur pada skala Richter (SR). Data dari BMKG dan BNPB selama semester pertama 2022 menunjukkan getaran energi seismik dari skala kecil hingga besar di sekitar Indonesia. Penelitian ini menggunakan metode C4.5 untuk klasifikasi dampak gempa, mengolah data historis mengenai wilayah, magnitudo, kedalaman, dan tingkat kerusakan. Proses penelitian mencakup pengumpulan data, pra-pemrosesan, pemilihan model, pelatihan model, dan penilaian kinerja menggunakan akurasi, presisi, recall, dan skor F1. Dataset berisi 62 catatan gempa dari BMKG dan dampak kerusakan di Jawa dari BNPB. Model C4.5 mencapai akurasi 62% pada tuning 8:2, meskipun menghadapi tantangan seperti variasi kondisi geografis, struktur bangunan, dan jumlah kejadian dalam satu hari. Hasil penelitian ini memberikan kontribusi berupa gabungan data bencana dari www.bmkg.go.id dan kerusakan dari https://gis.bnpb.go.id/. Selain itu, model C4.5 dapat dilakukan untuk skala kerusakan rumah akibat gempa bumi. Penelitian ini menghasilkan model prediksi yang akurat untuk mengklasifikasikan tingkat kerusakan bangunan, memberikan wawasan praktis untuk mitigasi bencana, dan mendukung pemerintah serta lembaga penanggulangan bencana dalam meningkatkan sistem peringatan dini dan distribusi bantuan.

Diagnosa Stunting Berdasarkan Gejala Medis Menggunakan Algoritma Naive Bayes, SVM dan K-NN Aris Subadi; Kusrini, Kusrini
Jurnal Informatika Polinema Vol. 10 No. 4 (2024): Vol. 10 No. 4 (2024)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v10i4.5628

Stunting merupakan masalah kesehatan global yang signifikan, mempengaruhi pertumbuhan dan perkembangan anak-anak di seluruh dunia, termasuk Indonesia. Penelitian ini bertujuan untuk mengimplementasikan dan mengevaluasi kinerja algoritma machine learning dalam mendiagnosa stunting berdasarkan gejala medis. Tiga algoritma utama yang digunakan adalah Naive Bayes, Support Vector Machine (SVM), dan K-Nearest Neighbor (K-NN). Dataset yang digunakan dalam penelitian ini terdiri dari data gejala medis yang relevan dengan stunting, yang dikumpulkan dari berbagai sumber terpercaya. Data tersebut diproses melalui tahap pembersihan, normalisasi, dan pembagian menjadi set pelatihan dan set pengujian. Setelah data diproses, setiap algoritma machine learning dilatih menggunakan set pelatihan dan kemudian diuji menggunakan set pengujian untuk mengevaluasi kinerjanya. Hasil evaluasi menunjukkan bahwa algoritma Naive Bayes memberikan skor akurasi tertinggi sebesar 90%, diikuti oleh SVM dengan akurasi 86,56%, dan K-NN dengan akurasi 79,43%. Analisis hasil menunjukkan bahwa Naive Bayes adalah algoritma yang paling efektif untuk diagnosa stunting berdasarkan gejala medis, karena memberikan akurasi tertinggi dan efisiensi dalam komputasi. SVM juga menunjukkan kinerja yang kuat dalam menangani data berdimensi tinggi, sementara K-NN memberikan hasil yang memuaskan meskipun dengan akurasi yang lebih rendah. Kesimpulan penelitian ini adalah bahwa Naive Bayes dapat menjadi pilihan utama untuk implementasi dalam sistem diagnosa stunting, dengan mempertimbangkan keunggulan dalam akurasi dan efisiensi. Penelitian ini memberikan kontribusi signifikan dalam bidang kesehatan dengan menyediakan model prediksi yang efektif untuk diagnosa stunting, serta memberikan rekomendasi praktis bagi tenaga medis dalam memanfaatkan teknologi machine learning. Validasi eksternal diusulkan sebagai langkah lanjutan untuk memastikan generalisasi model.

Klasifikasi Tsunami Gempa Bumi dengan Teknik Stacking Ensemble Machine Learning Sudarto, Sudarto; Kusrini, Kusrini
Jurnal Informatika Polinema Vol. 10 No. 4 (2024): Vol. 10 No. 4 (2024)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v10i4.5655

Upaya untuk mendeteksi dan mengklasifikasikan tsunami secara dini sangat penting untuk mitigasi risiko dan pengurangan dampak bencana. Meskipun berbagai metode telah diusulkan untuk meningkatkan akurasi prediksi tsunami, tantangan utama masih terletak pada variasi akurasi antara model yang berbeda dan ketidakmampuan beberapa model untuk menangani data yang kompleks dan beragam. Teknik stacking ensemble menawarkan solusi dengan menggabungkan kekuatan beberapa model pembelajaran mesin untuk menghasilkan prediksi yang lebih akurat dan andal. Penelitian ini bertujuan untuk menguji efektivitas teknik stacking ensemble dalam klasifikasi tsunami yang disebabkan oleh gempa bumi. Teknik ini melibatkan penggabungan beberapa model pembelajaran mesin untuk meningkatkan akurasi prediksi. Dataset yang digunakan dalam penelitian ini adalah data tsunami pasca gempa bumi dari tahun 2001 hingga 2023 yang berasal dari Kaggle.com. Proses penelitian mencakup eksplorasi data awal (EDA), preprocessing, pembagian data menjadi set pelatihan dan pengujian, serta evaluasi model dasar Decision Tree, Random Forest, Neural Network, Support Vector Machine, Naive Bayes, dan K Nearest Neighbors. Hasil menunjukkan bahwa model stacking ensemble dengan Logistic Regression sebagai meta model memberikan kinerja terbaik dalam klasifikasi tsunami dengan akurasi sebesar 94%. Secara keseluruhan, stacking ensemble dapat meningkatkan akurasi prediksi dalam klasifikasi tsunami dan dapat digunakan sebagai dasar untuk pengembangan sistem peringatan dini tsunami yang lebih efektif.

Optimasi Algoritma C4.5 Menggunakan Metode Forward Selection Dan Stratified Sampling Untuk Prediksi Kelayakan Mahasiswa Penerima Beasiswa Bentar Candra P; Kusrini, Kusrini; Tonny Hidayat
KLIK: Kajian Ilmiah Informatika dan Komputer Vol. 4 No. 6 (2024): Juni 2024
Publisher : STMIK Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/klik.v4i6.1933

Every prospective student has the opportunity to get a scholarship within an educational institution, but it is often not on target so a more accurate data mining approach is needed. However, the C4.5 algorithm has a weakness in its level of accuracy when managing large amounts of data so it needs to be optimized. This research aims to optimize the C4.5 algorithm using stratified sampling and forward selection methods in determining the eligibility of scholarship recipients. The data came from prospective students at Anwar Medika University with a sample size of 263 records which were then processed using the RapidMinner application for the C4.5 algorithm without optimization and the C4.5 algorithm with optimization of the stratified sampling + forward selection method. The research results show a higher level of accuracy in the C4.5 algorithm with optimization using the stratified sampling + forward selection method, namely 81.75% compared to the accuracy level in the C4.5 algorithm without optimization, namely 80.23%. Thus, the conclusion of this research is that the C4.5 algorithm with optimization using stratified sampling and forward selection methods is more effective and can overcome the shortcomings of the C4.5 algorithm without optimization

Analisa Performa Convolutional Neural Network dalam Klasifikasi Citra Apel dengan Data Augmentasi Dzalfa Tsalsabila Rhamadiyanti; Kusrini
KLIK: Kajian Ilmiah Informatika dan Komputer Vol. 5 No. 1 (2024): Agustus 2024
Publisher : STMIK Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/klik.v5i1.2023

Augmentation is creating new samples from an original dataset by applying small random transformations to the original dataset but retaining its labels. This research applies Data Augmentation to the Convolutional Neural Network model for apple image classification. The apple images used are Braeburn apples which have orange to red skin with a yellow background, Crimson Snow apples which have red skin, and Pink Lady apples with bright pink skin and yellow and green hues. There are 675 apple images used, divided into three classes, each with 225 photos. Four augmentation techniques are applied, namely flipping, cropping, rotation, and noise injection. This research carried out six scenarios, namely without augmentation, using each augmentation technique separately and combining two augmentation techniques, which produced the highest accuracy values. From the six scenarios, it was found that the augmentation technique that produced the best accuracy value was noise injection, namely 98.82%, followed by flipping with an accuracy of 72.78%, then rotation with an accuracy value of 68.64% and an augmentation technique that produced an accuracy value. The lowest is cropping, namely 67.46%. The two best augmentation techniques, noise injection, and flipping, were combined and produced an accuracy value of 84.02%. The accuracy value obtained by this combination could be more optimal due to the effect of noise injection, which can erase consistent changes in orientation from flipping. This needs to be improved so that the model can learn consistent features. It is hoped that future research can maximize the effectiveness of augmentation techniques by choosing augmentation techniques that complement each other and suit the characteristics of the data being processed

Flood Prediction Using Support Vector Regression (Case Study of Floodgates in Jakarta) Azi, Amanda; Saleh, Robby Febrianur; Ardana, Wildan Muhammmad; Kusrini, Kusrini
Journal of Computer Networks, Architecture and High Performance Computing Vol. 6 No. 3 (2024): Articles Research Volume 6 Issue 3, July 2024
Publisher : Information Technology and Science (ITScience)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/cnahpc.v6i3.4360

Flood can be interpreted as an event that occurs suddenly and quickly enough where the water discharge in the drainage channel cannot be accommodated, so that the blocked area causes the water discharge in the drainage channel in several surrounding areas to overflow and is one of the natural disasters that occurs at an unexpected time and cannot be prevented, because of this, a prediction must be made to detect floods for the next day. Flood prediction is a crucial aspect of disaster management and mitigation, particularly in flood-prone areas such as Jakarta, Indonesia. This study aims to leverage Support Vector Regression (SVR) to predict flood events by analyzing various environmental and hydrological factors that influence flooding. The primary data sources include historical wheater data, river water levels, floodgate positions in Jakarta. The data preprocessing involved cleaning, handling missing values, and normalizing the datasets to ensure compatibility with the SVR model. Feature selection was conducted to identify the most relevant predictors of flooding, such as wheater data, and river water levels. The dataset was then split into training and testing sets, maintaining an 80-20 ratio to ensure robust model validation. An SVR model with a radial basis function (RBF) kernel was trained on the standardized training data. The model's performance was evaluated using Root Mean Squared Error (RMSE) as the primary metric. The RMSE produced in this study was 0.112 with an R Square accuracy of 0.977. The results indicated that the SVR model could effectively predict flood events with a reasonable degree of accuracy, demonstrating its potential as a valuable tool in flood forecasting.

Analisis Perbandingan Metode Naïve Bayes dan K-NN dalam Penentuan Lokasi Layanan Administrasi BPJS Kesehatan di Provinsi Maluku. Irfan, Andi Muhammad; Kusrini, Kusrini
Journal Computer Science and Information Systems : J-Cosys Vol 4, No 2 (2024): J-Cosys - September
Publisher : Universitas Dharma Wacana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53514/jco.v4i2.535

Untuk mencapai Universal Health Coverage (UHC) dimana 98% Penduduk telah memiliki Jaminan Kesehatan Nasional (JKN), menjadi tantangan tersendiri bagi daerah yang geografis dan jarak antar desa yang sangat jauh tentunya terkendala pemerataan pelayanan administrasi BPJS Kesehatan, BPJS Kesehatan telah membuat inovasi Program BPJS Keliling dan BPJS Online, Permasalahannya tidak semua desa dapat dilayani dengan BPJS Keliling dan BPJS Online, sehingga perlu dilakukan pemetaan terhadap desa-desa yang memenuhi syarat untuk dapat dilaksanakan BPJS Keliling dan BPJS Online, Penelitian ini menjelaskan teknik machine learning, khususnya algoritma K-NN dan Naïve Bayes, untuk mensupport pengambilan keputusan dengan pemilihan desa-desa mana yang cocok, layak dan potensial sehingga menghasilkan pelayanan publik yang efektif dan efisien. Hasil percobaan menunjukkan bahwa kedua metode tersebut memiliki tingkat akurasi yang cukup baik, Naïve Bayes mampu mengklasifikasikan desa-desa dengan tingkat akurasi mencapai 94,33%. Performa K-NN tertinggi adalah data yang telah di normalisasi menggunakan Min-Max Scaler dengan akurasi sebesar 95,55%, nilai persisi sebesar 94,27%, nilai recall 95,90% Dan nilai f1 score 94,91%. Oleh karena itu, peneliti merekomendasikan penggunaan algoritma K-NN dengan persyaratan untuk melakukan normalisasi data menggunakan Min-Max Scaler terlebih dahulu, dan nilai k yang optimal adalah 8 untuk menentukan lokasi yang layak mendapatkan layanan Administrasi BPJS Kesehatan.

Perbandingan Efektifitas Algoritma K-Means Clustering-Topsis dan K-Medoids Clustering-Topsis dalam Menentukan Karyawan IT dengan Kinerja Terbaik Kasman, Haris Saktiawan; Kusrini, Kusrini
Journal Computer Science and Information Systems : J-Cosys Vol 4, No 2 (2024): J-Cosys - September
Publisher : Universitas Dharma Wacana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53514/jco.v4i2.534

Perkembangan ilmu pengetahuan dan teknologi yang semakin pesat di era revolusi industri 4.0 mendorong berbagai sektor untuk terus berinovasi berkembang mengikuti jaman, namun di PT. Ises Solusi Teknologi belum adanya metode untuk menentukan kinerja karyawan IT dengan baik. Untuk mengatasi permasalahan ini, diperlukan adanya algoritma yang efisien untuk menilai karyawan IT di PT. Ises Solusi Teknologi, sehingga bisa menentukan kinerja karyawan IT yang berkualitas. Tujuan dari penelitian ini adalah dengan melakukan perbandingan antara dua algoritma clustering sehingga dapat di pilih mana algoritma yang paling efisien untuk melakukan pengelompokkan cluster dan di akhir akan di ranking dengan Topsis untuk menilai kinerja karyawan IT terbaik di PT. Ises Solusi Teknologi. Metode pengelompokkan data kinerja karyawan yang dibuat menggunakan metode clustering k-means, k-medoids dengan menggunakan tiga atribut, yaitu: hasil dari dataset yang dikumpulkan berdasarkan kinerja tugas dan penilaian belajar diambil 3 kriteria profesi keahlian yaitu administrasi perkantoran, digital marketing dan desain grafis, kemudian diolah dengan bantuan google collabs kemudian di akhir menggunakan Sistem Pendukung Keputusan (SPK) Topsis untuk melihat ranking mana karyawan IT Terbaik, Pada tahap berikutnya mencari nilai davies bouldin index memakai bantuan google collabs pada setiap metode yang dipakai untuk melakukan perbandingan serta menentukan metode yang lebih optimal dalam clustering. Hasil nilai yang diperoleh dari metode davies bouldin index di setiap algoritma, yaitu: k-means sebesar -0.350, k-medoids sebesar -1.408, maka algoritma terbaik untuk pengelompokkan data kinerja karyawan IT dalam penelitian ini adalah algoritma k-means, karena memiliki nilai DBI yang terkecil.

Optimasi Model Support Vector Machine dengan Particle Swarm Optimization untuk Mendeteksi Serangan Injeksi SQL (Studi Kasus : PT. Naisha Inspirasi Muslimah) Arnap, Adam; Kusrini
JNANALOKA Vol. 05 No. 02 September Tahun 2024
Publisher : Lentera Dua Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36802/jnanaloka.2024.v5-no02-%p

PT. Naisha Inspirasi Muslimah merupakan perusahaan yang mengoperasikan toko online untuk penjualan produk tekstil dan pernah mengalami kehilangan data akibat serangan injeksi SQL. Untuk meningkatkan manajemen keamanan komputer, PT. Naisha melakukan tata kelola teknologi informasi dengan menggunakan ISACA Design Toolkit COBIT 2019. Penelitian ini melakukan studi literatur mengenai deteksi injeksi SQL dan menemukan bahwa beberapa penelitian sebelumnya menggunakan model Support Vector Machine (SVM) yang dioptimasi dengan Particle Swarm Optimization (PSO). Pada penelitian terdahulu, optimasi model SVM dengan PSO dapat meingkatkan nilai performa model. Penelitian ini akan menggunakan model SVM yang akan dioptimasi dengan PSO untuk menangani dataset berupa kueri-kueri SQL. Proses vektorisasi dengan Term Frequency - Inverse Document Frequency (TF-IDF) juga diterapkan untuk memberikan bobot pada setiap token. Hasil penelitian menunjukkan bahwa nilai optimal yang ditemukan adalah Best C sebesar 593,0497396215296 dan Best gamma sebesar 0,07795813722739078. Dengan parameter tersebut, model SVM+PSO berhasil mencapai akurasi sebesar 0,99 dan F1 Score sebesar 0,99, yang secara signifikan lebih tinggi dibandingkan dengan model SVM biasa yang hanya mencapai akurasi 0,79 dan F1 Score 0,73. Hasil ini menunjukkan bahwa optimasi SVM dengan PSO secara substansial meningkatkan kinerja model SVM dalam mendeteksi injeksi SQL, sehingga dapat menjadi solusi yang efektif untuk meningkatkan keamanan sistem informasi di PT. Naisha Inspirasi Muslimah.

Co-Authors - Saifulloh A.A. Ketut Agung Cahyawan W AA Sudharmawan, AA ABADI Abda Abda Abdi Firdaus Abdillah, Yahya Auliya Abdul Haris Abdul Malik Zuhdi Abdul Ra'uf Alfansani Abdul Rokhim Abdullah Sukri, M Iqbal Abdullah, Mochamad Fadillah Achmad Agus Athok Miftachuddin Achmad Wazirul Hidayat Achmad Yusron Arif Adadilaga Arya Priwanegara Ade Pujianto, Ade Adhani, Muhammad Azmi Adhien Kenya Estetikha Adiatma, Biva Candra Lutfi Aditya Hastami Ruger Aflahah Apriliyani Afryansih, Nila Agam Saka Jati Agastya , I Made Artha Agastya I Made Artha Agastya, I Made Artha Agatha Deolika Agatstya, I Made Artha Agianto Syam Halim agung budi Agung Budi Agung Budi Prasetio Agung Budi Prasetyo Agung Jasuma Agung Jasuma Agung Nugroho Agus Harjoko AGUS PURWANTO Agus Sriyanto AGUS SULISTIYONO Agus Susilo Nugroho Agustina Rahmawati Agustina, Nova Ahmad Almas'ud ZD Ahmad Harmain Ahmad Sanusi Mashuri Ahmad Yusuf Ahmad Zarkasih Ahsan, Muhammad Salimy Aidina Ristyawan, Aidina Aiman Ayadi Aisha Alfani Aji Santoso, Bayu Aji Susanto Anom Purnomo Ajie Kusuma Wardhana Akhmad Syarif Akhmad Syarif Akrilvalerat Deainert Wierfi Alfahmi Muhammad Arif Alfatta, Hanif Ali Asgar Zainal Abidin Alva Hendi Muhammad Amanullah, Raynaldi Fatih Amborowati, Armadyahah Amir Bagja Amir Fatah Amir Fatah Sofyan Amrina Rosyada anas, hasni Anastasia Meyliana Andayani Andayani Andhika Wisnu Widyatama Andi Bahtiar Semma Andi Muhammad Irfan Andi Sunyoto Andi Suyoto Andi Syahrul Ramdana Andika, Roy Andri Rachmatullah Andri, Agung Andria Andria Andris Faesal Andriyan Dwi Putra Andriyanto, Rifki Angga Kurniawan Angga Kurniawan Anggi Muhammad Rifa'i Anggit Dwi Hartanto Anggit Dwi Hartanto Anggit Dwi Hartanto, Anggit Dwi Anggit Hartanto Anggraeni, Meita Dwi Aninda Astuti Anjar Anjani Putra Anwar Sadad Aolia Ikhwanudin Aolia Ikhwanudin Apriliyani, Aflahah Aprison Wolla Gole Ardana, Wildan Muhammad Ardana, Wildan Muhammmad Ardiansyah, Fachri Arfiani Nur Khusna Arham Rahim Ari Ari Suhartanto Ari Suhartanto Ari Yuana, Kumara Arief Setyanto Arief Setyanto Arief Setyanto Arief, M Rudyanto Arief, M. Rudyanto Arief, Muh. Rudyanto Arief, Muhammad Rudyanto Arief, Rudyanto Ariel Yonatan Alin Arif Budiman Arif Fajar Solikin Arif Fajar Solikin Arif Fajar Solikin Arifuddin, Danang Arik Sofan Tohir Aris Subadi Arli Aditya Parikesit Armadyah Amborowati Armadyah Amborowati Armadyah Amborowati Arnap, Adam Arnila Sandi Arridho, Muhammad Noor Artha Agastya, I Made Arwendra Adi Putra Asnawi, Muhamad Fuat Asri, Saffinah Indah Asro Nasiri Asro Nasiri Asro Nasiri Asro Nasiri Asro Nasiri Asro Nasiri Asro Nasrini Assani, Moh. Yushi Atin Hasanah Awaludin Abid Azi, Amanda Azib Widad Zuhaily Imam Azis Wahyudi Aziz Muslim Aziz Muzani, Ma'ruf Aziz, Moh Abdul Azkar, Azkar B, Isdayani B. R., Endah Bagas Dwi Novianto Bahrun Ghozali Banu Santoso Bayu Setiaji Béjar, Rodrigo Martínez Bentar Candra P Bernadhed, Bernadhed Bimantyoso Hamdikatama Bisono, Hadi Hikmadyo Braeken, An Brenstein Mawene Buana, Yopy Tri Burhanudin Dwi Prakoso Candra Adipradana Candra Rusmana Candra, Kurnia Khoirul Choerun Asnawi Christian Budi Andrianto, Christian Budi Christin Nandari Dengen Christin Nandari Dengen Christin Nandari Dengen Christin Nandari Dengen D. Diffran Nur Cahyo da Silva, Bruno Danang Eko Prayogo Danang Wahyu Widodo Darmawan, Eko Rahmad Darno - David Agustriawan David Junggu Manggala Pasaribu dayat subekti Dede - Sandi Dede Husen Dedi Gunawan Dema Matias L Tobing Dengen, Christin Nandari Desty Yani Destyanto, Febrian Devina Ninosari Dhani Ariatmanto Dhani Ariatmanto DHANI ARIATMANTO Dias Ayu Budi Utami Dibyo Sudarsono Didik Irawan Dimaz Arno Prasetio Dina Maulina Dina Maulina Dina Maulina Dina Maulina Djatmiko, Widdi Doni Briyan Wahyudi Donny Yulianto Dwi Astuti Dwi Cahyani, Atika DWI ISKANDAR Dwi Utami Dwi Yuli Prasetyo Dwinda Etika Profesi Dwinda Etika Profesi Dzalfa Tsalsabila Rhamadiyanti Dzulhijjah, Dwi Ahmad Eddy Nurraharjo Eka Wahyu Pujiharto Eka Wahyu Sholeha Eka Yulia Sari Ekastini Ekastini Ekastini Ekastini Eko Boedijanto Eko Pramono Eko Pramono Eko Pramono Eko Pramono Eko Pramono Eko Pramono Eko Purwanto Eko Purwanto Eko Purwanto Eldas Puspitarini, Eldas Elfandry Bayunanda Elfrida Ratnawati Elik Hari Muktafin Elik Hari Muktafin Elik Hari Muktafin Eliza Staviana Elok Noor Farida, Elok Noor Elvis Pawan Elvis Pawan Ema Utami Ema Utami Ema Utami Ema Utami Emha T aufiq Luthfie Emha Taufik Luthf Emha Taufiq Luthfi EmhaTaufiq Lutfi, EmhaTaufiq Enni Lidrawati Erfan Tongalu Eri Sasmita Susanto Erwin Apriliyanto Erwin Apriliyanto Eva Oktaviani Fahma Inti Ilmawati Fahrullah, Fahrullah Fajar Dwi Insani Fajar Sodik Fajar Sudana Putra Fandli Supandi Fandli Supandi Fansuri, Muhammad Febrian Fareza Aditiyanto Nugroho Fathoni Mahardika Fatkhurohman, Ari Fatkhurrochman, Fatkhurrochman Fauji Maulana Ramlan, Fauji Maulana Fauzi, Moch Farid Fauzy, Marwan Noor Febrianti, Winda Febriyanti, Nada Rizki Fendy Nugroho Fendy Prasetyo Nugroho Fendy Prasetyo Nugroho Fernandito, Durand Ferry Wahyu Wibowo Ferry Wahyu Wibowo Ferry Wahyu Wibowo Ferry Wahyu Wibowo Ferry Wahyu Wibowo Ferry Wahyu Wibowo Ferry Wahyu Wibowo Firman Sriyono Firmanda Fasya Firza Septian Fitriani Fitriani Fitriyandhi, Ari fitriyanto, nur Fitrony, Fachri Ayudi Fiyas Mahananing Puri Friden E Neno Fryda Fatmayati Gifari, Okta Ihza Gigih Setyaji Guido Adolfus Suni Gutama, Deden Hardan Hadi Sucipto Hadryan Eddy Hafidz Sanjaya, Hafidz Halimi, Ahmad Hamada Zein Hamdikatama, Bimantyoso Hanafi Hanafi Hanafi Handoko Adji Pangestu Hanif Al Fatta Hari Agustiyo Hari Muktafin, Elik Haris, Ruby hartanto, david budi Hartono, Anggit Dwi Haryo, Wasis Hasan, Nur Fitrianingsih Hasan, Nurul Rahmawati Hasim, Hasim As'ari Hasirun Hasirun Hasirun, Hasirun Hasnan Afif Helmawati, Nita Henderi Henderi . Hendriansyah Santosa Hendrik Hendrik Henri Kurniawan Henri Kurniawan Herawati, Maimi Heri Abijono Heri Abijono, Heri Heri Sismoro Herlinawati, Noor Hery Nurmawan Hery Siswanto Hidayat, Fajar Maula Hidayatunnisa'i Hulvi, Alfajri I Made Adi Purwantara I Made Artha Agastya I Putu Agus Ari Mahendra I Wayan Pandu Ibnu Ickwantoro Ichsan Wasiso Ichsan Wasiso Idris Idris Ikhwan Baidlowi Sumafta Ikhwanudin, Aolia Ikmah Ikmah Ilham Aziz Rosadi Ilkham, Sundari Ilkham, Sundari Ilmawati, Fahma Inti Ilmi, M. Bahril Imam Listiono Indarto, Aan Iqbal Irfan Purwanto Irma Darmayanti Irwan Oyong Jangkung Tri Nugroho Jazi Eko Istiyanto Jeki Kuswanto Jeki Kuswanto Jemi Yohanis Babys Jhoanne Fredricka Jimmy H Moedjahedy Joang Ipmawati JOKO PRAYITNO José Ramón Martínez Salio Julia Kurniasih Jumaris Jumaris, Jumaris Jumiati Jumiati Junaidi Junaidi Junaidi Sabtu Juwari Juwari Juwariyah, Siti Kaharuddin Kanafi Kanafi Kasman, Haris Saktiawan Kelik Sussolaikah Kemal Pasha Khoironi, Khoironi Khoirul Islam Khoirun Nisa Khomsatun Khomsatun Khusnawi Khusnawi Kristian, Taufik Aldri Kristina Vaher Kumara Ari Yuana Kumara Ari Yuana Kurni, Samuel Everth Andrias Kurniadi, Harso Kurniasari, Iin Kusnawi , Kusnawi Kusnawi Kusnawi Kusrini, Mashudi Kusuma Chandra Kirana La Aba Laka, Beatus Mendelson Lasimin Lewu, Retzi Y. Liana Trihardianingsih Lili Kartikawati Linda, Kumara Dewi Lisda Lisda Listyanto, Ahmad Wildan López, Alba Puelles Lukman Bachtiar Lutfan Lazuardi M rudyanto Arief M Rudyanto Arief M Vaizul Rahman M. Afriansyah M. Dedi Iskandar M. Idris Purwanto M. Ilham Arief M. Irwan Ukkas Irwan Ukkas Ukkas M. Nurul Wathani M. Rudiyanto Arief M. Rudyanto Arief M. RUDYANTO ARIEF M. Rudyanto Arief M. Rudyanto Arief M. Suyanto M. Suyanto, M. M. Syukri Mustafa M. Zainal Arifin M.Andi Rohmat Madhika, Yudha Randa Mahendra, Awanda Putra MAHMUDI Mahmudi Mahmudi Majid Rahardi Mangun, Syamsul Syahab Mansur Mansur Maradona, Maradona Mardi Utomo Mardiana Mardiana marhalim, marhalim Marissa Utami Marselina Endah Hiswati Marta Ardiyanto Martínez-Béjar, Rodrigo Marwan Noor Fauzy MASRIYAH Masruri, Nizar Haris Masud, Ibnu Mat Sudir maulana, fahrizal Mawene, Brenstein Maykel Sonobe Maykel Sonobe Megantara, Muhamad Arldi MEI PARWANTO KURNIAWAN Metha, Halifa Sekar Miftachuddin, Achmad Agus Athok Mochamad Fadillah Abdullah Moenawar Kholil Moh Er Kamim Moh Royandi Azka Moh. Badri Tamam Mohamad Firdaus, Mohamad Mohammad Diqi Mohammad Rezza Pahlevi Moningka, Nirwan Muahidin, Zumratul Muchamat Zainal Arifin Muflich, Alwie Mufti Ari Bianto Muh Saerozi Muh. Rudyanto Arief Muh. Rudyanto Arief Muhamad Fatahillah Z Muhamad Iksan, Muhamad Muhamad Kurniawan Muhamad Nanda Utama Muhamad Ryandy Ghonim Asgar Muhamad Yusuf Muhammad Agus Muljanto Muhammad Alfariz Muhammad Anwar Fauzi Muhammad Egy Pratama Muhammad Fahmi Muhammad Fajar Apriyanto Muhammad Fajrian Noor Muhammad Firdaus Abdi Muhammad Firdaus Abdi Muhammad Koprawi Muhammad Mariko Muhammad Nafi’Uddin Muhammad Resa Arif Yudianto Muhammad Riandi Widiyantoro Muhammad Riza Eko S Muhammad Rudyanto Arief Muhammad Rudyanto Arief Muhammad Rudyanto Arief Arief Muhammad Salimy Ahsan Muhirin Muktafin, Elik Hari Mukti Ali Mulia Sulistiyono Mulyaningtyas, Widya Muqorobin Muqorobin Muqorobin Muqorobin Muqorobin Muqorobin Muqorobin, Muqorobin Musa Hendri Janto Rahanra Muslihah, Isnawati Musthofa Galih Pradana Mutiara Dwi Anggraini Mutiara Dwi Anggraini Muzakir, Muhammad MZ, Reza Rafiq Nabawi, Isnan Nabila Payapo Nadea Cipta Laksmita Nafis Sururi Nanang Prasetiyantara Nasiri, Asro Neno, Friden Elefri Ngaeni, Nurus Sarifatul Ni Nyoman Utami Januhari, Ni Nyoman Nibras Faiq Muhammad Nikko Listio Wicaksono NINIK TRI HARTANTI Noor Abdul Haris Norhikmah Norhikmah Noto Narwanto Nova Agustina Noviyanti P Noviyanti P. Nugroho, Agung Nugroho, Hanantyo Sri Nugroho, Rakhmat Prasetyo Agung Nuk Ghurroh Setyoningrum Nuk Ghurroh Setyoningrum Nulngafan, Nulngafan Nur Hamid Sutanto Nurcahyo, Azriel Christian Nurdianingsih, Neneng Nurita Evitarina Nurmalasari, Maulidya Dwi Nurwijayanti Oktafiqurahman, Andi Olajuwon, Sayyid Muh. Raziq Onde, Mitrakasih La ode Oscar Samaratungga Paiman Paiman Pamekas, Bondan Wahyu Pamoengkas, Muhamad Agoeng Pamungkas, Prima Giri Pamungkas, Sapto Paradise, Paradise Parsiyono Parsiyono Patmawati Hasan Pawit Srentiyono Perdana Putra, Muhammad Ricky Perdana, Muhammad Ricky Prabowo Budi Utomo Pradipta, Dody Prameswari, Sonia Anjani Pramono Pramono Pramudya Insan Prasetio, Agung Budi Prasetio, Dimaz Arno Prasetyo, Adi Prastowo, Wahit Desta Prastyo, Rahmat Pratama, Bayu Trisna Pratama, Muhammad Egy Profesi, Dwinda Etika Profesi, Dwinda Etika Pujianto, Ade Puri, Fiyas Mahananing Purnamasari, Resti Rachmawati Oktaria Mardiyanto Rachmawati Oktaria Mardiyanto Rahmat Saleh Sukur Rajnaparamitha Kusumastuti Rama Ashari Rama Saktriawindarta RAMADHAN, SYAIFUL Ramlan Ramlan Rantung , Tessa Rasyid, Magfirah Reflan Nuari Rendy Bagus Pratama Retantyo Wardoyo Retzi Yosia Lewu Ridlan Ahmad Riduan, Nor Ridwan Joko Purnomo Rifan Ferryawan Rifqi Hammad Rifqi Hammad Rini Wijayanti Rini, Rini Riovan Styx Roring Ripto Sudiyarno Ririn Putri Damaiyanti Riska Dwi Handayani Risna Sari Rita Wati Ritham Tuntun Riyan Abdul Aziz Rizal Khadarusman Rizal Sapta Dwi Harjo Rizaldi Rizkayati, Anisa Rizki Firdaus Mulya Rizki Mawan Rizky Aries Saputra Rizqi Sukma Kharisma Robi Wariyanto Abdullah Rohman, Arif Nur Rona Guines Purnasiwi Rooy Thaniket Rudyanto Arief S, Muhamad Rois S, Muhammad Sabri Safagi, Ardian Yuligar Sahirul Muklis Saifudin, Saifudin Saiful Bahri Saikin Saleh, Robby Febrianur Samponu, Yohakim Benedictus Samponu, Yohakim Benedictus Santosa, Hendriansyah SANTRI SANTRI Saputra, Mahmuda Saputra, Rizky Aries Saputro, Moh. Rizal Bayu Saputro, Uyock Anggoro Sarawan, Tommy Sari, Yayak Kartika Sari, Yunita Sartika Sarji, Sarji Selvy Megira, Selvy Semma, Andi Bahtiar Sentoso, Thedjo Sepriadi - Bumbungan Sepriadi Bumbungan Setianto, Yuni Ambar Setiawan, Moh. Arif Ma'ruf Setyanto, Arif Sewindu Putro Sigit Pambudi Simone Martin Marotta Siswo Utomo, Mardi Siti Delimasari Siti Fatonah Siti Hartinah Siti Maesaroh Siti Nurhayati Siti Rahayu Siti Rihastuti Siti Rokhmah Siti Solekhah Slamet Slamet Slamet Slamet Sobirin, Rahmat Sofyan Pariyasto Solikin, Arif Fajar Sri Handayani Sri Hartati Sri Lestari Rahayu Sri Wahyuningsih Sri Wulandari Sri Wulandari Sri Wulandari Sri Yanto Qodarbaskoro Sriyati, Sriyati Sry Faslia Hamka Sudarmawan Sudarmawan Sudarmawan - Sudarmawan . Sudarmawan Sudarmawan Sudarmawan Sudarmawan Sudarmawan Sudarmawan Sudarmawan Sudarmawan Sudarmawan Sudarmawan Sudarmawan Sudarmawan Sudarmawan Sudarmawan Sudarmawan Sudarmawan Sudarmawan Sudarmawan Sudarmawan, Sudarmawan Sudarsono, Dibyo Sudarto Sudarto Sudiana Sudiana Sugi Harsono Sugihandono, Agus Suhardi Marli Suhendri Sukasna . Sukasna, Sukasna Supraba, Laksmita Dewi Supriantara Supriantara Supriatin Supriatin Supriyati Supriyati Surya Wibowo, Sapta Hary Suyono, Ayu Adelina Swardiana, I Wayan Pandu Swastikawati, Claudia Syafutra, Arif Dwi Syah, Firdiyan Syaiful Huda Syaiful Huda Syaiful Ramadhan Syamsu Hidayat Tala, WD. Syarni Tamaulina Br Sembiring Tampubolon, Jandri Tamuntuan, Virginia Teguh Arlovin Teguh Sri Pamungkas Theofanis Orphanoudakis Thiro Kabul Y, Yudhis Tika Dedy Prastyo Tito Prabowo Toifur, Tubagus Tolla, Yefta Tonny Hidayat TONNY HIDAYAT Tri Andi Tri Anggoro Tri Haryanti Tri Nugroho, Arief Tubagus Toifur Tukan, Ewaldus Ambrosius Turmuzi Tutik Maryana Tutut Dwi Prihatin Ula, M. Izul Umam Faqih Zubaedi Umdatur Rosyidah Utami Ema Uyock Anggoro Saputro Veny Cahya Hardita Vera Wati Victor Saputra Ginting Victor Saputra Ginting Vinnesa Patricia Carolina Wahyu Adie Saputro Wahyu Nugraha Wahyu Nur Alimyaningtias Wahyu Pujiharto, Eka Wahyu Sindu Prasetya Wahyu Wijaya Widiyanto Wahyudi, Alfian Cahyo Walidy Rahman Hakim Wangsa, Sabda Sastra Wariyanto Abdullah, Robi Wartono Wartono Wati, Vera wati, Vera Wauran, Alfrets Septy Wicaksono, Kurniawan Widdi Djatmiko Widiyanto, Wahyu Wijaya Widyanto, Agung Wijaya, Jodi Winarnie Winarto, Hendri Wira Dimuksa Wiwi Widayani Wiwi Widayani, Wiwi Wiwit Supriyanti Wulandari, Sri Y. P., Ryan Dwi Yanuargi, Bayu Yeyen Dwi Atma Yoga Handoko Agustin Yohanes Setyo Prabowo, Yohanes Setyo Yossy Ariyanto Yovita Kinanti Kumarahadi Yuana, Kumara Ari Yudha Chirstianto F Yuli Astuti Yuliana Yuliana, Yuliana Yuliani, Enie Yulita Fatma Andriani Yulius Nahak tetik Yuni Ambar S Yunita, Risca Yunita, Selviana Yusrinnatul Jinana triadin Yustian Servanda Yusuf Fadlila Rachman Yusuf Fadlila Rachman Yusuf Wahyu Setiya Putra Yuza, Adela Zaenul Amri Zakaria Zakaria Zenal Muttaqin Zeni Muhamad Noer Zuhri, Muhammad Rafli Zul Hisyam Zulkarnain, Imam Alfath Zulkarnain, Jefri Zulkipli Zulkipli Zulpan Hadi Zumarni, Zumarni

Title

Found 550 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 550 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 550 Documents
Search